論文の概要: The Source of Disturbance Matters: External, Internal, and Control-Generated Noise in Adaptive Regulation

• arxiv url: http://arxiv.org/abs/2609.26428v1
• Date: Tue, 22 Sep 2026 13:53:00 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-24 01:05:39.676939
• Title: The Source of Disturbance Matters: External, Internal, and Control-Generated Noise in Adaptive Regulation
• Title（参考訳）: 外乱の原因:適応的規制における外部・内部・制御音
• Abstract要約: 本研究は, 外部乱れ, 持続的内部乱れ, 制御生成乱れを規制優先順序下で比較した。 持続的な内乱は、最大の露出と規制上の負担を生み出す。 その結果, 外乱源, タイミング形状の露出, コントローラの負荷がどう影響するかが明らかになった。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Adaptive regulation can itself perturb the state it is intended to stabilize. In replicated simulations of an adaptive agent, we compare external disturbance, persistent internally generated disturbance, and control-generated disturbance under regulation-first and disturbance-first ordering. Persistent internal disturbance produces the largest exposure and regulatory burden within the tested parameter grid. When positive controller updates generate an immediate disturbance cost, increasing that cost produces a nonmonotonic response: effective disturbance initially rises, variability across stochastic runs increases over an intermediate range, and corrective activity becomes strongly suppressed at higher costs. The results show how disturbance source and timing shape exposure and controller burden in this model. They motivate testing adaptive agents with distinct disturbance sources and assessing regulatory activity alongside exposure.
• Abstract（参考訳）: アダプティブ・レギュレーション(Adaptive Regulation)は、それ自体が安定化を意図した状態を乱すことができる。 適応剤の複製シミュレーションにおいて, 外部乱れ, 内部乱れの持続性, 制御生成乱れの制御優先順序と乱れ優先順序の比較を行った。 持続的内部乱れは、試験されたパラメータグリッド内で最大の露出と規制負担を発生させる。 正のコントローラ更新が即時乱れコストを発生させると、コストが増大すると非単調応答が生じる。 その結果, このモデルにおいて, 乱れ源とタイミング形状の露出と制御器の負荷がどう影響するかが示唆された。 彼らは異なる外乱源を持つ適応剤の試験を動機付け、曝露とともに規制活動を評価する。

関連論文リスト

• Distribution-Specific Curvature Control with Finite-Sample Guarantees for Open-Weight Safety [22.283880969803846]
  短い微調整で、オープンウェイトモデルの安全ガードを解除することができる。 経験的に、固定構造、有限予算の1次脅威モデルにおいて、HarmAlignは直接微調整と3つのデータまたは客観的アダプティブ攻撃をブロックする。
  論文  参考訳（メタデータ） (2026-07-24T22:00:31Z)
• Intermittent Control Is Not Diluted Control: A Switching Effect in Artificial Agency [0.0]
  単純な期待は、これらの条件の間を移動するエージェントは、2つの固定されたケースの重み付き平均のように振る舞うべきであるということである。 この論文は期待を裏切る可能性があることを示している。 状態履歴を保持する模擬適応剤では、間欠的な予測制御へのアクセスは規制の負担を軽減する。
  論文  参考訳（メタデータ） (2026-07-19T22:51:44Z)
• When Regulation Has Memory: Hysteresis and Control Burden in Artificial Agency [0.0]
  2つの系は同様の内部状態に到達し、一方はそこに到達するためにはるかに正確な制御を必要とする。 適応不確実性規制の計算モデルを用いて、その負担が歴史に依存するかどうかを検討する。 その結果、適応エージェントは組織化されているかどうかだけでなく、どの程度の規制を採用すべきかによって評価されるべきであることが示唆された。
  論文  参考訳（メタデータ） (2026-06-29T23:19:26Z)
• Activation Steering Induces Emergent Misalignment: A More Comprehensive Evaluation [74.17379276939599]
  近年のQwen-3.5シリーズにおいても,アクティベーションステアリングが広範囲のアライメントを引き起こすことが示されている。 ステアリングサイズ, ステアリングサブスペースの低ランク構造, ステアリングベクター構築時のエポック数など, キーステアリング固有の因子を解析することにより, AS誘起EMの特性を特徴づける。
  論文  参考訳（メタデータ） (2026-06-07T15:34:59Z)
• Learning to Act under Noise: Enhancing Agent Robustness via Noisy Environments [68.02342920827135]
  エージェント学習プロセスに環境欠陥を明示的に組み込んだエージェント学習フレームワークであるNoisyAgentを提案する。 実世界のシナリオでは,ユーザインタラクションにおけるあいまいさと可変性を捉えるユーザノイズと,ツール実行における障害や異常を反映するツールノイズという,2つの主要なインタラクションノイズ源を識別する。 広汎な実験により,本手法は騒音および動的環境下でのエージェントの堅牢性を常に改善することを示した。
  論文  参考訳（メタデータ） (2026-05-26T16:02:00Z)
• Mitigating Error Amplification in Fast Adversarial Training [58.74042726356826]
  FAT(Fast Adversarial Training)は、ネットワークに摂動不変表現の学習を促すことによって、モデルロバスト性の向上に有効であることが証明されている。 FATは、しばしば破滅的なオーバーフィッティング(CO)に悩まされ、モデルがトレーニングアタックに過度に適合し、目に見えないものへの一般化に失敗する。 本稿では、摂動予算と監視信号の両方を動的に調整する分散対応動的ガイダンス(DDG)戦略を提案する。
  論文  参考訳（メタデータ） (2026-04-27T11:23:18Z)
• Diffusion Controller: Framework, Algorithms and Parameterization [54.82539154511621]
  本稿では,逆拡散サンプリングを(一般化された)線形解法マルコフ決定過程における状態のみの制御として活用する統一的な制御理論的視点を提案する。 このフレームワークでは、制御はトレーニング済みのリバースタイムのトランジションカーネルを再重み付けし、端末の目的と$f$分割コストのバランスをとる。 安定拡散v1.4の実験では、選好調整の勝利率が一貫した上昇を示し、品質効率のトレードオフを改善した。
  論文  参考訳（メタデータ） (2026-03-07T01:49:59Z)
• Mitigating the Noise Shift for Denoising Generative Models via Noise Awareness Guidance [54.88271057438763]
  ノイズアウェアネスガイダンス (NAG) は、事前に定義された騒音スケジュールと整合性を保つために、サンプリング軌道を明示的に制御する補正手法である。 NAGは一貫してノイズシフトを緩和し、主流拡散モデルの生成品質を大幅に改善する。
  論文  参考訳（メタデータ） (2025-10-14T13:31:34Z)
• Nonadaptive Output Regulation of Second-Order Nonlinear Uncertain Systems [1.3631461603291568]
  本稿では,この問題を解消し,バースト現象を回避するための頑健な制御手法を提案する。 座標変換を導入することにより、ロバストな出力制御問題を非適応安定化問題に変換する。 解析により、拡張システムの出力零化多様体は、提案された非適応制御則によって魅力的にすることができることを示した。
  論文  参考訳（メタデータ） (2025-05-28T00:13:37Z)
• Neural optimal feedback control with local learning rules [67.5926699124528]
  運動制御の大きな問題は、脳がどのように遅延と雑音の刺激に直面して適切な動きを計画し実行するかを理解することである。 本稿では,適応カルマンフィルタとモデル自由制御手法を組み合わせた新しいオンラインアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2021-11-12T20:02:00Z)
• Regularity and stability of feedback relaxed controls [4.48579723067867]
  本稿では,ロバストなフィードバック制御を設計するための一般探索報酬を用いた緩和制御正則化を提案する。 正規化制御問題の値関数とフィードバック制御の両方がパラメータ摂動に関してリプシッツ安定であることを示す。
  論文  参考訳（メタデータ） (2020-01-09T18:24:18Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。